Согласно новому исследованию Мичиганского университета, запатентованное программное обеспечение искусственного интеллекта, разработанное в качестве системы раннего предупреждения сепсиса, не может дифференцировать пациентов с высоким и низким риском до того, как они получат лечение.
Статья опубликована в журнале NEJM AI .
Инструмент, получивший название Epic Sepsis Model, является частью программного обеспечения Epic для электронных медицинских карт, которое обслуживает 54% пациентов в США и 2,5% пациентов по всему миру, согласно заявлению генерального директора компании, опубликованному Wisconsin State Journal. Он автоматически генерирует оценки риска сепсиса в записях госпитализированных пациентов каждые 20 минут, что, как надеются врачи, позволит им определить, когда пациент может заболеть сепсисом, прежде чем дела пойдут плохо.
«Сепсис имеет все эти расплывчатые симптомы, поэтому, когда у пациента появляется инфекция, может быть очень трудно понять, кого можно отправить домой с некоторыми антибиотиками, а кому, возможно, придется остаться в отделении интенсивной терапии . Мы все еще многое упускаем из виду. пациентов с сепсисом», — сказал Том Вэлли, доцент кафедры легочной медицины и медицины интенсивной терапии, врач отделения интенсивной терапии и соавтор исследования.
Сепсис является причиной трети всех госпитальных смертей в США, и раннее лечение является ключом к выживанию пациентов. Есть надежда, что прогнозы ИИ могут сыграть важную роль в этом, но в настоящее время они, похоже, не извлекают из данных пациентов больше , чем врачи.
«Мы подозреваем, что некоторые данные о состоянии здоровья, на которых основана модель эпического сепсиса, кодируют, возможно, непреднамеренно, подозрения врача о том, что у пациента сепсис», — сказала Дженна Винс, доцент кафедры компьютерных наук и инженерии и автор исследования.
Пациенты не будут проходить анализы крови и лечение антибиотиками, пока, например, у них не начнут проявляться симптомы сепсиса. Хотя такие данные могут помочь ИИ очень точно определять риски сепсиса, они также могут попасть в медицинские записи слишком поздно, чтобы помочь врачам добиться успеха в лечении.
Это несоответствие во времени между тем, когда информация становится доступной для ИИ, и когда она наиболее актуальна для врачей, было очевидно в оценке исследователями того, как модель эпического сепсиса работала на 77 000 взрослых, госпитализированных в Университет здравоохранения Мичигана, клиническое подразделение Мичиганской медицины. .
ИИ уже оценил риск заражения сепсисом для каждого пациента в ходе стандартных операций медицинского центра, поэтому исследователям оставалось только получить данные и провести анализ. Почти у 5% пациентов был сепсис.
Чтобы оценить эффективность ИИ, команда рассчитала вероятность того, что ИИ присвоит более высокие оценки риска пациентам, у которых был диагностирован сепсис, по сравнению с пациентами, у которых сепсис никогда не диагностировался.
Если учесть прогнозы, сделанные ИИ на всех этапах пребывания пациента в больнице , ИИ сможет правильно идентифицировать пациента из группы высокого риска в 87% случаев. Однако ИИ был правильным только в 62% случаев при использовании данных пациента, записанных до того, как пациент соответствовал критериям сепсиса. Пожалуй, наиболее показательно то, что модель присвоила более высокие оценки риска только 53% пациентов, заболевших сепсисом, тогда как прогнозы были ограничены до того, как был назначен посев крови.
Результаты показывают, что при составлении прогнозов модель учитывала, проходили ли пациенты диагностические тесты или лечение. К этому моменту врачи уже подозревают, что у их пациентов сепсис, поэтому прогнозы ИИ вряд ли что-то изменят.
«Мы должны учитывать, когда в клиническом рабочем процессе модель оценивается, прежде чем решить, будет ли она полезна для клиницистов», — сказала Донна Тьяндра, докторант в области компьютерных наук и инженерии и соавтор исследования. «Оценка модели на основе данных, собранных после того, как врач уже заподозрил начало сепсиса , может сделать эффективность модели сильной, но это не соответствует тому, что могло бы помочь клиницистам на практике».
